打字猴:1.704013987e+09
1704013987
1704013988 2.几点思考
1704013989
1704013990 思考1:中小企业是制造业的主力军,他们既是在转型期最痛苦煎熬的,也是最具活力的。看似欧美有很多知名跨国企业,实则这些大企业背后有千千万万个中小企业作为供应商支撑着它们,这些中小企业专注于某个细分领域的某款产品并把它们做精甚至极致,由此得以保证这些知名跨国企业的产品品质和性能。因此,无论是工业4.0、智能制造,还是中国制造2025,需要认真研究和帮助中小企业提高核心竞争力。
1704013991
1704013992 思考2:大部分中国中小型制造企业都处于工业2.0阶段,自动化水平不足,信息化水平刚起步的优秀企业在工业2.0向工业3.0的过渡期。研究中国制造的出发点,应从这个起点开始。有专家认为没有高度自动化和信息化基础,工业4.0或智能制造无从谈起。从企业的角度看,要生存发展,实现工业4.0的基础是提高核心竞争力。
1704013993
1704013994 思考3:在强调新技术前景的同时,要注重技术的局限性和界限。例如,一些企业的自动化虽有一定提升空间,但全面自动化是不可能的。比如,部分高柔性、批量有限的产品,或许直到该产业消失也不可能实现全自动化或用机器人替代,最终还得靠人的灵活机动性生产。同理,大数据不可能全面取代分析决策。而某些产业不过份地自动化和信息化反而是制造业中的一种智慧。
1704013995
1704013996 思考4:工业4.0之路是传统企业走向现代制造之路,是长期化的工作,不可能快速一步到位。工业4.0之路也是一个宏大的系统工程,并非做好某个点就能完成。因此,企业要建设一支具有新思维、新观念的人才团队,这也是企业能否持续走向成功的关键。而未来工业大数据的挖掘,不仅需要懂大数据相关lT技术的人才,还需要对行业有深刻认识的人才,让行业专家有效转换成行业数据分析挖掘专家,也是人才建设的关键。
1704013997
1704013998
1704013999
1704014000
1704014001 智慧工厂:中国制造业探索实践 [:1704011814]
1704014002 智慧工厂:中国制造业探索实践 6.2 顶层设计的过程或步骤
1704014003
1704014004 目前的工业4.0示范企业多是些国际化大公司。如GE、西门子、博世,国内也是如海尔、格力等大型企业。这些企业一是有良好的基础工程,二是可以投巨资重建新厂。而广大的中小型制造企业,需要从利润中挤出资金进行转型升级,而不是推倒重建,因此存量车间和装备的升级是急需解决的问题。我们认为对于中小型企业,合理的规划路径应是:
1704014005
1704014006 1)全面的需求分析。
1704014007
1704014008 2)合理的解决方案(从智能产品、智能装备、智能物流、智能服务进行合理的规划设计)。
1704014009
1704014010 3)适度的自动化提升。
1704014011
1704014012 4)加大企业信息化建设,特别要做好车间各种设备的基础通信及关键信号的采集,即M2M网络建设。
1704014013
1704014014 5)全面保存(服务器或云平台)企业重要的市场数据、管理数据、产品数据等主要数据,不能继续遗失。
1704014015
1704014016 6)通过外部专业人士和企业有经验的技术人员、管理人员、操作人员,通过新技术、新方法、新视野的反复讨论、梳理,找出能较快提升企业核心竞争力的关键点。
1704014017
1704014018 那么,如何进行顶层设计呢?首先应该结合企业发展战略定义智慧工厂建设的总目标,该目标可以基于核心能力成熟度进行定义,可以根据智慧工厂评价要素进行定义,也可以从达到的综合效果上进行定义。其次,应明确智慧公共场合建设的覆盖范围(内涵和外延),需要纳入哪些产品?哪些过程?覆盖哪些系统?再次,应制定一套具体的指标体系,定义系列KPI,度量当前水平并制定绩效目标。
1704014019
1704014020 智慧工厂顶层设计的输出至少应包括:①需求描述、目标体系、识别支撑性技术、行动计划;②组织、流程和人力资源的发展与保障计划;③适用的标准、技术规范和参考架构。
1704014021
1704014022
1704014023
1704014024
1704014025 智慧工厂:中国制造业探索实践 [:1704011815]
1704014026 智慧工厂:中国制造业探索实践 6.3 基于数据能力模型的评价
1704014027
1704014028 基于数据能力模型对企业现状进行评价是制定智慧工厂建设目标和制定发展路线图的基础。可以从横向、纵向、生命周期和价值链三大集成的角度对各个子系统进行评价和诊断,如自动化系统、信息化系统、供应链系统、各级部门等。
1704014029
1704014030 以一个模具加工车间自动化系统为例,可以将其分解为供料装置、加工单元、换模装置、检测装置、能耗管控装置、分拣包装和仓储物流环节。按照数据能力成熟度分级,即临时级、可重复级、可定义级、可管理级、优化级,以分析出每个环节对应的发展成熟度。如对换模装置就可以分成:基于人工经验的手动装置和无数据报表、基于人工的标准化换模装置和手工数据报表、人工辅助半自动换模装置(包括自动化数据采集)、全自动换模系统、全自动智能化换模系统(包括在线状态监控和健康管理)。对照生产实际就可以诊断出换模装置所在的成熟度了。
1704014031
1704014032 进一步,按照数据的生命周期,还可以从另外一个维度进行分析,即数据可获得性、可操作性、相关性、数据分析、报告生成、以及对结果的管理能力。还是针对该车间的换模装置,如果数据进行了全自动采集和存储,形成了历史数据库,但并不能随时方便地操作这些数据,对不同来源的数据也没有进行统一的基于时间或状态的标签化处理,因此也不能进行相关性分析,那么来源于换模装置的数据就基本属于数据孤岛,丧失了使用价值。此时该装置的数据从生命周期的角度来分析的话,还停留在可获得阶段,尚未形成闭环。
1704014033
1704014034
1704014035
1704014036
[ 上一页 ]  [ :1.704013987e+09 ]  [ 下一页 ]